網(wǎng)絡(luò)與電話技術(shù)的完美結(jié)合 -- VoiceXml

黃偉峰 2001/02/07

為了促進(jìn)CTI(Computer and Telephone Integrated)技術(shù)和語音技術(shù)的發(fā)展，IBM、LUCENT、AT&T和MOTOROLA四大通信公司成立了VoiceXml（Voice Extensible Markup Language）的論壇，通過使用這種新的語言，能使用戶通過電話和語音來訪問INTERNET。這項(xiàng)技術(shù)能夠幫助企業(yè)，電信公司，互聯(lián)網(wǎng)公司增加網(wǎng)絡(luò)使用率，提高用戶忠誠(chéng)度，開發(fā)新市場(chǎng)，增強(qiáng)企業(yè)的競(jìng)爭(zhēng)力。

一． VoiceXml的起源

Voice XML 是一個(gè)新的 XML schema 用來制定通過語音對(duì)話訪問Web 的內(nèi)容和其交互語音應(yīng)答的傳遞標(biāo)準(zhǔn)。在 1999 年初，IBM、 摩托羅拉、 朗訊和AT&T成立了 Voice XML 論壇， 來協(xié)調(diào)現(xiàn)有的語音技術(shù)使得可以通過聲音和電話訪問因特網(wǎng)。語音技術(shù)不但讓那些由于環(huán)境或生理限制無法使用圖形化瀏覽器的人得以訪問 Web，也為所有的用戶提供了更為便捷的 Web 訪問功能。

新的語音技術(shù)可以創(chuàng)建出對(duì)話驅(qū)動(dòng)的應(yīng)用程序,例如語音識(shí)別技術(shù)（ASR），語音合成技術(shù)(TTS)以及記錄和回放數(shù)字化語音在 PC 和服務(wù)器(分發(fā)到客戶端設(shè)備)上 。Voice XML 提供了一種與技術(shù)無關(guān)的語言，可以用在語音應(yīng)用程序。這些應(yīng)用程序?qū)⒑蠖颂幚碚Z音的服務(wù)和處理機(jī)制與前端基于 Voice XML 的表示層分離開。例如，一個(gè)精心設(shè)計(jì)的 Web 站點(diǎn)可以輕而易舉地支持語音驅(qū)動(dòng)的瀏覽器(比如您很可能在移動(dòng)電話上會(huì)使用的那種)，同時(shí)它有能支持其它的瀏覽器(比如一個(gè) WAP 瀏覽器或 HTML 瀏覽器)。當(dāng)接受到來自瀏覽器的最初請(qǐng)求時(shí)，服務(wù)器將監(jiān)測(cè)出瀏覽器的類型。如果瀏覽器被確認(rèn)為一個(gè)語音瀏覽器，服務(wù)器將返回對(duì)應(yīng)的 Voice XML 頁面。

由于VoiveXml技術(shù)和語音技術(shù)的快速發(fā)展，已經(jīng)有超過150個(gè)公司和組織加入和Voice Xml（http://www.voicexml.org）論壇，其中包括一些非常有名的通信公司，如AT&T、LUCENT、MOTOROLA、ALCATEL、CISCO、HITACHI以及我國(guó)的華為通信公司。

二． VoiceXml的系統(tǒng)結(jié)構(gòu)及其應(yīng)用舉例

VoiceXml 1.0規(guī)范基于W3C的工業(yè)標(biāo)準(zhǔn)XML，為語音和電話應(yīng)用的開發(fā)者，服務(wù)提供商和設(shè)備制造商提供了一個(gè)智能化的API。VoiceXml的標(biāo)準(zhǔn)將簡(jiǎn)化WEB上具有語音響音服務(wù)的個(gè)性化界面的創(chuàng)建，使人們能夠通過語音和電話訪問網(wǎng)站上的信息和服務(wù)，同時(shí)與CGI（PERL，PHP，C，JAVA SERVLET等）的腳本結(jié)合在一起來檢索后臺(tái)數(shù)據(jù)庫(kù)，訪問企業(yè)內(nèi)部網(wǎng)，從而最終將語音瀏覽器與微型瀏覽器融合在一起，實(shí)現(xiàn)計(jì)算機(jī)網(wǎng)絡(luò)與電話技術(shù)的完美結(jié)合。其具體的系統(tǒng)結(jié)構(gòu)如下：

從圖中我們可以看出，同傳統(tǒng)的INTERNET網(wǎng)站相比，在不需要太大的改動(dòng)前提下，只要增加一個(gè)VoiceXml的服務(wù)器處理來自PSTN的應(yīng)用即可。在VoiceXml的服務(wù)器中，包含了VoiceXml的解釋器(VoiceXml解釋程序語境)，VoiceXml自帶的瀏覽器，自動(dòng)語音識(shí)別（ASR）及文本到語音（TTS）的轉(zhuǎn)換設(shè)備。

VoiceXml解釋程序是一個(gè)計(jì)算機(jī)程序，它解釋一個(gè)VoiceXml文件，引導(dǎo)和控制用戶與執(zhí)行平臺(tái)之間的交互作用。VoiceXml解釋程序語境也是一個(gè)計(jì)算機(jī)程序，用一個(gè)VoiceXml解釋程序解釋一個(gè)VoiceXml文件，并且可以與執(zhí)行平臺(tái)相互作用而與VoiceXml解釋程序無關(guān)。

其具體流程如下圖所示：

比如說，用戶想知道INTEL公司的當(dāng)前股價(jià)，就打電話到提供該服務(wù)的公司，通過DN URL的映射，到達(dá)了該網(wǎng)站的VOICEXML的服務(wù)器，VoiceXml的服務(wù)器馬上調(diào)出相應(yīng)的VoiceXml文件，在由VoiceXml解釋程序處理，通過TTS產(chǎn)生語音輸出，來回復(fù)用戶的請(qǐng)求。當(dāng)然，在處理VoiceXml文件的過程中，有時(shí)還需交給后臺(tái)的CGI程序處理，處理后的結(jié)果再由WEB SERVER交給VoiceXml SERVER處理。處理后用戶可能會(huì)聽到的回答是“Welcome to the stock market,which stock price would you like to know?”,其對(duì)應(yīng)的VoiceXml文件為Welcome.vxml(見資源)。用戶只需回答他（她）所感興趣的股票，如”INTEL“,從而擺脫了傳統(tǒng)IVR令人模糊不清的一大堆選擇。這時(shí)用戶的回答通過VOICEXML SERVER的處理，交給后臺(tái)的CGI程序查詢數(shù)據(jù)庫(kù)中的有關(guān)INTEL股票的價(jià)格，在由VOICEXML SERVER的處理，用戶聽到的可能是”$55“。

三． VoiceXml的特點(diǎn)和應(yīng)用范圍

VoiceXml作為一種標(biāo)記語言，主要有以下特點(diǎn)：

1． VoiceXml作為一種通過每一文件里指定的多重的交互作用，最小化客戶機(jī)/服務(wù)器之間的交互工作

2． 實(shí)現(xiàn)應(yīng)用開發(fā)者與低層的軟件和系統(tǒng)平臺(tái)上的軟、硬件細(xì)節(jié)無關(guān)

3． 將用戶交互作用的代碼（在VoiceXML中）從服務(wù)邏輯（CGI 腳本）中分離出來

4． 要使提供的服務(wù)能隨處可得，要求這些服務(wù)能夠跨越不同的執(zhí)行平臺(tái)。對(duì)于內(nèi)容服務(wù)商、工具提供商和平臺(tái)提供商來說，VoiceXML是一個(gè)公共語言。

5． 使簡(jiǎn)單的交互作用非常易于使用，要求所提供的語音界面能支持復(fù)雜的對(duì)話

VoiceXML語言描述的通過語音應(yīng)答系統(tǒng)實(shí)現(xiàn)人機(jī)交互通信，其范圍包括：合成語音的輸出（TTS）、音頻文件的輸出、話音輸入的識(shí)別、DTMF輸入的識(shí)別、語音輸入的錄音、電話功能像呼叫轉(zhuǎn)移等。

VoiceXML提供字符和語音輸入收集，將輸入分配給文件定義的請(qǐng)求變量，并且在用戶回答后做出決定的方法。VoiceXML確定文件可能被連接到其他的文件通過通用資源標(biāo)示符（URI）。

VoiceXml在以下的領(lǐng)域內(nèi)有著廣泛的應(yīng)用。

1． 信息的獲取。如股票信息，天氣情況，體育消息，交通信息等。

2． 電子交易（包括電子商務(wù)，電子零售）。如銀行的帳戶查詢，存取，股票交易等。

3． 電信領(lǐng)域的服務(wù)。如UNIFIED MESSAGE，CALL CENTER（呼叫中心）等。

四． 有關(guān)VoiceXml的部分產(chǎn)品介紹

1．IBM

IBM主要開發(fā)了VIAVOICE的VOICEXML的服務(wù)器，以及VOICEXML的開發(fā)包，從而能與WEBSPHERE結(jié)合，實(shí)現(xiàn)計(jì)算機(jī)網(wǎng)絡(luò)與電話的完美結(jié)合。但是該服務(wù)器只支持英語，法語和德語。

2．MOTOROLA

MOTOROLA也有自己的VOICEXML的網(wǎng)關(guān)及開發(fā)VOICEXML的開發(fā)包。但是也不支持 中文。

3．NUANCE

NUANCE是一個(gè)專門開發(fā)語音的廠商。他有開發(fā)和構(gòu)架VOICEXML的一整套工具。其中包括VOICE WEB SERVER，V-Builder(開發(fā)VOICEXML的可使化工具)，Secure Verifier 。尤其是他對(duì)超過20種語言（包括中文及廣東話）的支持及其優(yōu)良的穩(wěn)定性贏得了很多市場(chǎng)分額，其中包括American Airlines,Bell Atlantic,UPS等大公司都已成為他的客戶。

《計(jì)算機(jī)世界》 2001/02/07